Kako jedno rano nepoklapanje u dizajnu zahvata celu studiju

1. Zašto ove greške pripadaju istoj grupi

Neke istraživačke greške dolaze same. Ova grupa ne dolazi. Kada istraživačko pitanje, hipoteza i promenljive nisu usklađeni, problem se retko svodi na jednu lošu rečenicu u projektu. Mnogo češće je reč o lancu neuspeha u dizajnu. Pitanje pita jedno, hipoteza predviđa nešto pomereno u stranu, a promenljive na kraju mere nešto treće. Rezultat je studija koja na papiru može izgledati uređeno, ali joj nedostaje unutrašnja koherentnost. Haynes (2006) i Willis (2023) tretiraju istraživačko pitanje i hipotezu kao tesno povezane korake u dizajnu studije, a ne kao dve odvojene formalnosti, dok Andrade (2021) pokazuje da promenljive nisu neutralne kutije već operacionalne odluke koje moraju odgovarati konceptualnim ciljevima istraživanja.

Ove greške pripadaju zajedno zato što nisu tri nepovezana nedostatka. One su tri oblika neusklađenosti unutar iste logike dizajna. Istraživanje može započeti širokim pitanjem o dobrobiti učenika, formulisati hipotezu o akademskom postignuću, a zatim meriti samo prisustvo nastavi. Svaki pojedinačni korak može delovati razumno, ali studija kao celina više ne odgovara na koherentan problem. Hoadley (2004) takvu situaciju opisuje kao problem poravnanja: kvalitet dizajna ne zavisi samo od kvaliteta svake pojedinačne komponente, već i od toga koliko se komponente međusobno uklapaju.

2. Zajednička logika neuspeha u ovoj grupi

Dominantan kontekst ove greške je pre svega kvantitativno istraživanje, zato što kvantitativne studije obično zahtevaju eksplicitne hipoteze i jasno definisane promenljive. To, međutim, ne znači da ova lekcija nije važna i izvan kvantitativnog pristupa. To samo znači da se problem u kvantitativnim studijama najjasnije vidi. U kvantitativnom dizajnu čitalac s pravom očekuje jasnu liniju od istraživačkog pitanja ka hipotezi i zatim od hipoteze ka merljivim promenljivama. Kada ta linija pukne, studija i dalje može proizvesti brojke, modele i testove, ali joj je interpretativni temelj oslabljen.

Osnovna logika ovde je RH > RQ > D. Hipoteza je na prvom mestu zato što se upravo na njenom nivou neusklađenost najčešće operativno ispoljava. Loše postavljena hipoteza preusmerava studiju sa pitanja koje ju je navodno pokrenulo. Istraživačko pitanje je drugo jer ono može biti već od početka preširoko ili nedovoljno precizno, pa time ostavlja prostor da hipoteza skrene u drugom pravcu. Podaci dolaze treći, jer izbor promenljivih i način merenja najčešće slede iz hipoteze. Drugim rečima, istraživači često prikupljaju „pogrešne“ podatke zato što je hipoteza već prevela početno pitanje u pogrešnu konceptualnu metu. Willis (2023) izričito naglašava da hipoteza proizlazi iz istraživačkog pitanja i pomaže u određivanju dizajna i vrste dokaza potrebnih da se na pitanje odgovori.

3. Tri greške, jasno razdvojene

Prva greška je neusklađenost između pitanja i hipoteze. To se dešava kada istraživačko pitanje i hipoteza ne govore o istoj vezi ili istom problemu. Pitanje može pitati da li neka intervencija poboljšava učenje, dok hipoteza predviđa samo povećanu angažovanost. Ili pitanje može tražiti objašnjenje zašto poljoprivrednici usvajaju novu praksu, dok hipoteza predviđa regionalne razlike bez zahvatanja samog mehanizma usvajanja. Studija tada izgleda fokusirano, ali je zapravo raspolućena.

Druga greška je slabo definisanje promenljivih. Čak i kada pitanje i hipoteza deluju povezano, promenljive mogu zakazati u hvatanju pojmova na koje se studija poziva. U psihologiji, istraživanje može pitati o stresu, postaviti hipotezu o anksioznosti, a zavisnu promenljivu operacionalizovati samo kroz dužinu spavanja. U biologiji, studija može pitati o otpornosti biljaka, formulisati hipotezu o rastu, a zatim meriti samo broj listova. Andrade (2021) naglašava da je operacionalizacija centralna za dizajn zato što promenljive moraju dovoljno verno predstavljati pojmove da bi zaključivanje imalo smisla.

Treća greška je lančano prelivanje prve dve greške. Nekada hipoteza odluta zato što je pitanje nedovoljno precizno. Nekada promenljive odlaze u pogrešnom smeru zato što je hipoteza slabo formulisana. U praksi se ove dve stvari često dešavaju zajedno. Zato ovu temu ima više smisla tretirati kao grupu nego kao dva potpuno odvojena posta.

4. Gde ova grupa grešaka prekida lanac RQ–RH–D–M

Na nivou RQ, problem često počinje nepreciznošću. Pitanje može imenovati zanimljivu temu, ali ne mora dovoljno jasno odrediti populaciju, odnos, mehanizam ili ishod. Time hipotezi ostavlja previše prostora da redefiniše samu studiju. Haynes (2006) podvlači da dobro istraživačko pitanje nije samo interesantno, već i uokvireno tako da omogući koherentno istraživanje.

Na nivou RH, problem postaje oštriji. Hipoteza bi trebalo da prevede pitanje u proverljivo očekivanje. Ali ako ona problem suzi na pogrešan način, zameni ključni konstrukt ili uvede drugi ishod, počinje da odvlači studiju od njene stated svrhe. Willis (2023) je naročito koristan ovde jer prikazuje formulisanje hipoteze kao disciplinovan nastavak pitanja, a ne kao samostalnu vežbu u predviđanju.

Na nivou D, neusklađenost postaje vidljiva u promenljivama. Istraživači mere ono što je hipoteza naglasila, a ne ono što je pitanje prvobitno tražilo. Zato su problemi sa promenljivama često simptom ranijeg konceptualnog skretanja. Andrade (2021) pokazuje da su klasifikacija i operacionalizacija promenljivih nerazdvojive od konceptualizacije i dizajna studije. Kada operacionalizacija pođe pogrešno, kasnija analiza može biti tehnički korektna, a ipak suštinski promašena.

Na nivou M, dizajn može i dalje delovati respektabilno, ali sada već podržava oslabljen lanac. Sofisticiran model ne može popraviti studiju čiji ključni elementi nisu bili usklađeni pre nego što je analiza počela. Okvir dizajna kod Creswell i Creswell (2023) snažno insistira upravo na vezi između pitanja, hipoteza, izbora dizajna i vrste dokaza.

5. Kako ova grupa grešaka iskrivljuje rezultate i zaključke

Ova grupa grešaka šteti istraživanju na poseban način: proizvodi nalaze koji mogu biti stvarni u uskom tehničkom smislu, ali nisu odgovarajući na problem koji je studija navodno postavila. Istraživanje može izneti odbranjiv zaključak o izmerenim promenljivama, a da ipak ne odgovori na istraživačko pitanje koje čitalac misli da prati. To je opasnije od očiglednog neuspeha, jer stvara privid valjanosti.

U psihologiji, istraživač može pitati da li upotreba društvenih mreža utiče na dobrobit adolescenata, postaviti hipotezu da intenzivnija upotreba predviđa depresivne simptome, a zatim meriti samo samoiskazanu usamljenost. Usamljenost jeste važna, ali nije isto što i dobrobit niti isto što i depresivni simptomi. Studija tako može proizvesti objavljive rezultate, a da ipak ne reši početno pitanje.

U ekonomiji, studija može pitati da li mikrokrediti poboljšavaju ekonomsku sigurnost domaćinstava, postaviti hipotezu da će korisnici imati više poslovnih ulaganja, a zatim meriti samo uzimanje kredita i urednost otplate. To jesu relevantne promenljive, ali ne predstavljaju u potpunosti ekonomsku sigurnost. Zaključak se tada tiho pomera sa jednog pojma na drugi.

U poljoprivredi, projekat može pitati da li seme otporno na sušu povećava otpornost gazdinstva, postaviti hipotezu o stabilnijim prinosima, a zatim ishod operacionalizovati samo kao ukupan sezonski prinos. Otpornost i prinos jesu povezani, ali nisu isto. Uska mera lako spljošti širi konstrukt.

U sva tri primera šteta je ista: interpretacija prevazilazi poravnanje. Booth et al. (2024) naglašavaju da kvalitetno istraživanje zavisi od disciplinovanog puta od problema do tvrdnje. Kada poravnanje zakaže, taj put je prekinut čak i kada završni tekst zvuči ubedljivo.

6. Kako izbeći ovu grupu grešaka pre prikupljanja podataka

Najbolja prevencija jeste da se poravnanje tretira kao test dizajna pre prikupljanja podataka. Pre nego što se prikupi bilo šta, istraživač treba da stavi pitanje, hipotezu i promenljive jednu pored druge i da postavi tri jednostavna pitanja. Prvo, da li hipoteza direktno odgovara na pitanje? Drugo, da li promenljive direktno predstavljaju pojmove imenovane u hipotezi? Treće, ako se promenljive ponašaju tačno onako kako hipoteza predviđa, da li bi to zaista odgovorilo na početno pitanje?

Drugi preventivni korak jeste konceptualno stezanje. Ako pitanje koristi široke pojmove kao što su poverenje, otpornost, uspeh, dobrobit ili održivost, studiji su potrebne jasne konceptualne granice pre nego što pređe na promenljive. Andrade (2021) je posebno koristan ovde jer jasno pokazuje da operacionalizacija nije administrativni korak koji dolazi posle dizajna, već deo samog dizajna.

Treći preventivni korak jeste metodološka skromnost. Istraživač treba da odoli iskušenju da formuliše hipoteze koje zvuče preciznije nego što konceptualna osnova zaista dopušta. Hipoteza koja deluje „oštrije“ od pitanja ne popravlja dizajn; ona samo efikasnije skriva njegovu slabost.

7. Šta se još može popraviti nakon prikupljanja podataka

Nakon prikupljanja podataka određena popravka jeste moguća, ali je ograničena. Najpoštenija popravka često je prepisivanje tvrdnji tako da odgovaraju onome što je zaista mereno. Ako promenljive ne predstavljaju početni pojam u punoj meri, rad mora prestati da tvrdi da odgovara na šire pitanje. U nekim slučajevima istraživačko pitanje može se naknadno suziti tako da odgovara dokazima koji su zaista upotrebljivi. To jeste stvarna popravka, ali popravka dometa, a ne originalnog dizajna.

Ponekad se hipoteza može preoblikovati kao eksplorativna umesto potvrđujuće, posebno ako je skup promenljivih uži ili slabiji nego što je prvobitno planirano. Ono što se obično ne može popraviti jeste duboko konceptualno nepoklapanje između konstrukata imenovanih u pitanju i konstrukata koji su stvarno mereni. Nikakva naknadna statistička sofisticiranost ne može učiniti da neka promenljiva predstavlja pojam koji nikada nije stvarno zahvatila.

8. Kratak kontrolni spisak

Pre prikupljanja podataka, pitajte se:

• Da li moja hipoteza odgovara na moje pitanje ili ga preusmerava?
• Da li moje promenljive predstavljaju pojmove iz hipoteze, a ne samo nešto njima blisko?
• Ako dobijem značajne rezultate, da li će oni odgovoriti na početno pitanje ili samo na užu verziju?
• Da li sam pomešao široku temu sa merljivim konstruktom?
• Mogu li da objasnim poravnanje običnim jezikom, bez tehničkog žargona?

Dobro kvantitativno istraživanje nije samo proverljivo. Ono je usklađeno.

Literatura

Andrade, C. (2021). A student’s guide to the classification and operationalization of variables in the conceptualization and design of a clinical study: Part 1. Indian Journal of Psychological Medicine, 43(2), 177–179. https://doi.org/10.1177/0253717621994334

Booth, W. C., Colomb, G. G., Williams, J. M., Bizup, J., & FitzGerald, W. T. (2024). The craft of research (5th ed.). University of Chicago Press. https://doi.org/10.7208/chicago/9780226826660.001.0001

Creswell, J. W., & Creswell, J. D. (2023). Research design: Qualitative, quantitative, and mixed methods approaches (6th ed.). SAGE.

Haynes, R. B. (2006). Forming research questions. Journal of Clinical Epidemiology, 59(9), 881–886. https://doi.org/10.1016/j.jclinepi.2006.06.006

Hoadley, C. M. (2004). Methodological alignment in design-based research. Educational Psychologist, 39(4), 203–212. https://doi.org/10.1207/s15326985ep3904_2

Willis, L. D. (2023). Formulating the research question and framing the hypothesis. Respiratory Care, 68(8), 1180–1185. https://doi.org/10.4187/respcare.10975